摘要: 目前的人工智能的应用仍处于“弱AI”的阶段。  
 
让AI去识别一只狗,就要给很多很多狗的图片样本让它学习,“但是人类不是这样学习的。
 
特斯拉不久前无人驾驶汽车发生事故,原因就是特斯拉的AI没有学习到“强光遮挡视线”的数据,影响了图像识别。
 
然而,目前的人工智能的应用仍处于“弱AI”的阶段。从事了25年A I研究的英国牛津大学计算机系主任Michael Wooldridge向南都表示,弱A I只是让机器和电脑专注于具体任务上;强AI是通用型,好比好莱坞大片中的机器人,这些机器人有自我意识,就像人一样。实现强AI仍是遥遥的梦想。阿里云首席科学家周靖人则向南都表示,或许要等20年后,ET才可以接班马云。
 
60亿中国资金去硅谷买什么?
 
阿里云近期宣布加大对人工智能的投资,并将“小Ai”更名为“ET”。3年前,阿里云就拥有了人工智能专家团队,但机器计算能力的发展增加了阿里云对AI的信心。阿里云总裁胡晓明对南都用“加重”这个词来形容他们对人工智能的新认知。“决定加大投入后,阿里云也加紧从全球招募人工智能科学家。”
 
除了阿里,不少A I创新、创业公司也受到资本的青睐。资本对A I的热情,不只是在中国。环球时报援引美国媒体的报道称,中国资金如洪水般涌向了硅谷,过去两年多来,百度、腾讯、阿里等互联网巨头以及众多民间投资人、家族公司、地市政府竞相投资硅谷的一流科技公司。中国不断增长的财富和政府推动创新技术激励了投资者,特别是在中国仍落后的虚拟现实和人工智能等领域。根据荣鼎咨询公司的数据,截至2016年上半年,除房地产外,流向硅谷的中国投资达到60亿美元,其中超过一半是在过去18个月完成的。
 
昆仲资本董事总经理姚海波表示,在美国硅谷,几乎所有的基金都在投资A I,连政府背景的公司都在投资AI。“我们在湾区有个办公室,过去三年投了约7000万美金,当我们发现中国同类型的公司估值比硅谷的都要高时,证明风口已经来了。”
 
不过,泡沫问题也值得警惕。很多投资人也表示,目前国内一些AI公司存在估值过高的问题。
 
云九资本合伙人邱谆表示,国内不少AI公司是从其他领域转型而来,在短时间内找了些人就成立了团队。相比而言,美国的A I行业还是成熟一些。“不过,即使在美国,大约50%的企业还是在天使轮的阶段,剩下的一半基本也是在A轮融资阶段,国内的数据我还没看到,不过国内A I创业公司跟政府打交道能力很强,这是非常重要的优势。”
 
厉伟表示,AI领域目前的确存在投资泡沫,“一定泡沫的出现证明了投资很多,过多的泡沫才是坏事。”微软亚洲研究院常务副院长芮勇接受南都记者采访时也表示,这一两年关于AI的投资的确存在不少“炒作”,投资的泡沫还存在,对初创企业来说,有一定困难。
 
AI职业竞争力在哪?
 
资本对AI的投资大多从应用切入。在获得足够的大数据后,人工智能可以应用到各个场景,比如,管理一家工厂、管理一个城市的交通。
 
目前松禾资本和洛可可合作设立的A I专用基金,就是从具体应用切入A I行业,“A I的研究是以底层研究为基础的,但对于V C来说,投资底层研究不太现实,底层研究更需要国家层面的投入。”厉伟还建议,创业者若以底层技术进入A I创业,应该学会跟大公司合作,帮助大公司做配套,这样更容易存活下来。
 
那么,AI在哪个领域的应用更加成熟,竞争更加激烈呢?
 
媒体了解到,人工智能从上世纪50年代起步,但近几年一些应用才开始逐步落地,尚未形成激烈竞争的局面。
 
比如,去年阿里云才将A I作为一种产品和服务对外开放。阿里云总裁胡晓明表示,目前为止,ET最典型的应用是在湖南卫视的《我是歌手》决赛过程当中成功预测歌王归属。除此之外,ET还被应用于工业生产、交通、健康、洪涝预测等多个领域。
 
智能出行领域也是最被看好的,高德地图目前也主要解决人们个性化出行的问题。“除了公交数据,再加入用户行为数据,分析其更个性化的出行方案,”高德地图副总裁董振宁说,目前其A I尚未应用在自驾上,而是在公交上,“比如你平时8点出门,我发现公交车可能稍晚到,就会提醒你晚点出门。”但从长远看,董振宁更希望把A I应用于整个城市交通调度上。
 
从数据的优势来判断,杨强比较看好金融领域。而MichaelWooldridge认为,下一个A I热点应该在医疗领域。他的判断也是基于大数据的优势,“现在非常受欢迎的手环,能监控你的心率,你的血糖,还有你走了多少步,苹果手表也是这种可穿戴式的设备,可以不断地监测你的身体情况,而所有这些信息会给到AI。”
 
不过,资本也很难准确判断哪一个项目能够成功跑到最后。厉伟表示:“对待这些新领域,每个人的眼光都是有局限性的,所以投资上难免会‘广撒网’,除非是跑出来的项目,否则只投一两个人工智能项目风险太大。”
 
AI与人的差距还有多远?
 
现在,E T还处于1.0阶段,初步具备听、说、看的感知能力,并能够在交通、工业生产、健康等固定的领域输出决策。但要做一个商业领袖,需要全面、综合的技能,甚至还要具备商业直觉。阿里云首席科学家周靖人表示,目前来看,ET尚不具备这种通用的人工智能能力,把它放到一个新行业,它还需要很长的时间学习、探索,“我们正在不断拓展ET的能力,并提升它对各个行业的适应能力。”
 
说白了,就是对知识(数据)的学习。微软全球副总裁陆奇向南都记者诠释他对人工智能的定义:“可以自动地获取知识,来代表知识,可以自动地完成他需要达到的目的,这就是智能。”
 
从“1.0版本的ET”到“马云的接班人”,这中间差了多少数据?
 
金山软件兼金山云CEO张宏江接受南都记者专访时举了一个例子———今年火遍全球的围棋人机大战。他指出,AlphaGO在对局中获得30M个布点数据,其动用了1920个CPU和280个GPU的高性能计算资源,在一场比赛中消耗的能量是人的300倍。
 
张宏江同时指出,当数据量不够大时,AI的学习能力也相当有限。比如,特斯拉不久前无人驾驶汽车发生事故,原因就是特斯拉的AI没有学习到“强光遮挡视线”的数据,影响了图像识别。因此,想要提高性能,就必然依赖于大数据,“数据越多,覆盖量、精密度越高,对模型的依赖就越低,人工智能就变得足够可靠。”
 
但目前A I还不能像人一样“智能”。芮勇指出,现在A I给予它的还是监督式学习。比如让A I去识别一只狗,就要给很多很多狗的图片样本让它学习,“但是人类不是这样学习的。显然这在算法上是有问题的,非监督式学习的技术有希望,但现在的技术距离还比较远。”换句话说,ET1 。0和马云之间差的不是多少TB的数据,而是学习方式———“学渣”和“学霸”的学习方式根本就不同。(南方都市报)
硅谷
人工智能
点击进入招聘详情>
微信扫一扫
关注区块链新金融
扫一扫
下载数链APP
内容合作/商务合作:
gxcj@gongxiangcj.com
联系电话:
021-31128751